周五晚上十一点四十,阿杰盯着监控大盘发呆。
P99 从 80ms 飙到 4 秒。流量没涨,曲线平得像一条直线——问题不在流量,在他那个"很优雅"的设计上。
订单状态、用户画像、商品标签,他全塞进了 Redis;为了"数据绝对不丢",他还专门开了 AOF 持久化。
老陈端着咖啡路过,扫了一眼他的架构图。
「你把 Redis 当数据库用了。」
「我开了 AOF,不会丢的。」阿杰说得挺有底气。
「正因为你开了 AOF,你才更危险。」老陈拉开椅子坐下,「你把两个本来该分开的东西,塞进了一个组件里。」
小迪从旁边探过头来:「杰哥,开持久化不是好事吗?数据不丢,不是很稳吗?」
「稳不稳,得看它是在给谁服务。」老陈说,「你先想想,Redis 这东西,到底是存储,还是缓存。」
一、Redis 的持久化,不该成为你的存储方案
阿杰的架构里,Redis 同时扮演了两个角色:缓存和数据库。
这两个角色,天然冲突。
第一,健壮性根本撑不起"存储"这两个字。
Redis 的持久化在各种故障场景下极易丢数据:异步复制在主库宕机时丢掉一批没同步过去的写入;AOF 的 everysec 策略本身就允许丢秒级的数据;主从切换的那一瞬间,还没来得及复制的写入直接蒸发。RDB 更直接,它就是某个时间点的快照。
这些机制设计出来,是为了"重启后缓存能快速恢复、不至于全冷",不是为了"一条都不能丢"。拿这种不健壮的持久化当存储组件用,是极度危险的。
第二,开了持久化,性能会掉一个档次。
持久化不是免费的:fsync、AOF rewrite、fork 子进程,这些开销在 Redis 单线程处理命令的模型下,会造成明显的延迟抖动。写放大、重写期间的内存翻倍,一个都跑不掉。
结果就是:你为了"不丢数据"开了持久化,Redis 的吞吐和延迟都退化了。而它退化之后的性能,作为缓存已经没有太好的优势——除非你再单独起一组不开持久化的缓存节点,那你的架构就又多了一套东西要维护。
第三,存储必须要有明确的格式定义,而 Redis 恰恰鼓励你不定义。
这是最容易被忽视、但最要命的一条。
很多人在用 Redis 存数据时,存法是五花八门的:用 Hash 存对象、用 RedisJSON 存文档、或者干脆把一个 JSON 字符串塞进某个 key 的 value 里。
从工程管理的角度看,这是灾难——数据被隐性地藏在了 Redis 里,藏的规则又散落在各处代码里。整个项目的数据字典没法统一管理,数仓团队要拉数据时,得先问你三个问题:这个 key 是什么格式?那个 Hash 的 field 有哪些?谁写的?什么时候写的?
对数据治理团队来说,这叫极度不友好。
第四,业务一旦复杂,Redis 的存储能力就是个笑话。
多表关联?痛苦。按任意条件查询?痛苦。跨 key 的事务?基本没有。
这些东西数据库花了几十年才磨出来,你指望用一堆 Hash 和字符串去替代它,注定会在某个业务迭代的深水区翻车。
所以老陈的结论很干脆:不要用 Redis 的持久化,不要把 Redis 当存储来用,就把 Redis 当缓存用。
聚焦做缓存,也就在字段类型上聚焦——用那些简单的就行。
「杰哥,那 Redis 那么多字段类型,不就白设计了?」小迪问。
「不是白设计,是那些东西不属于'缓存'这个场景。」老陈说,「工具什么都想做,你就得自己知道该拿它做什么。」
二、缓存在架构里到底是什么定位
想清楚怎么用缓存,先得想清楚缓存是什么。
缓存的作用是提速请求响应,但它是非必要的。
拿浏览器缓存打个比方:浏览器不缓存,页面就打不开吗?当然不是,只是慢一点。
缓存也一样。
所以判断一个架构是否健康,有个很朴素的检验方式:当 Redis 从线上摘除,系统会出问题吗?
如果会,那你的问题不是缓存没做好,是你把缓存当成了关键路径上的依赖。
正确的状态是:缓存有则加速,没有也正常请求,只是压力大一些。
这句话听起来像废话,但它直接决定了后面所有的设计选择。
三、最简缓存设计
围绕"缓存非必要"这个原则,最简的设计长这样:
if 缓存在:
用缓存返回
else:
执行逻辑
把结果放入缓存
返回
简单、直接,能覆盖绝大多数读多写少的场景。
但它有一个致命的时间窗口。
四、高并发下,缓存失效的那一瞬间
高并发的流量下,缓存失效(或者冷启动缓存为空)的那一刹那,会有大量请求同时走进执行逻辑那一段。
而这段逻辑之所以需要缓存,往往是因为它性能低——慢查询、复杂聚合、远程调用。
于是,几百个请求同时压上那条慢路径,数据库瞬间被打穿。这就是缓存击穿。
老陈给的方案是:二级缓存 + 冷启动时的多余请求作废逻辑。
if 一级缓存在:
用一级缓存返回
elif 加锁成功:
执行逻辑
结果写入一级缓存 + 二级缓存
解锁
返回
else:
加锁失败 —— 说明已经有人在加载了
读二级缓存
if 二级缓存有:
用二级缓存返回
else:
不执行逻辑了,直接宣告本次查询失败
这套逻辑里有三个关键点:
- 抢到锁的那个请求负责回填,一级、二级都写;
- 没抢到锁的请求直接去读二级缓存,不重复执行逻辑;
- 二级缓存也没有,就直接失败,宁可让少量请求报错,也不让慢逻辑被打穿。
二级缓存的过期时间通常要大于一级缓存,比如设成一级缓存的两倍。这样一级缓存失效时,二级缓存还没到过期时间,正好能顶住那波瞬时流量。
小迪举手:「所以二级缓存就是给一级缓存当备胎的?」
「对,但它是个有保质期的备胎。」老陈说,「它存在的时间窗口,刚好够一级缓存重新加载一遍。」
五、严格执行缓存定位之后,扩缩容其实非常简单
这一部分,是"把 Redis 只当缓存"带来的最大红利。
先说不用的方案:官方给的 Redis Cluster,在缓存场景里我们基本不考虑。太龟毛、太严谨、也太慢——它的槽位迁移、故障判定、一致性保证,都是为"数据不能丢"这个前提服务的。
但缓存场景里,我们本来就接受缓存的局部短时失效。
那就用最简单的方式:hash 分片 + 每个分片做一组主从。
没有复杂的槽位概念,路由规则一句话能说清:hash(key) % 节点数。
压力大了怎么办?翻倍加节点。原本 4 个节点,直接加到 8 个,单节点压力降一半。
整个扩容动作只有两步:
- 把新节点的连接配置加进去;
- 把分片取模的节点数字翻倍。
好计算、好运维,不需要迁移数据,也不需要协调者。
代价是:扩容那一瞬间,取模结果变了,大约 50% 的缓存会瞬时失效。
如果担心 50% 的瞬时失效率影响用户体验,可以做一个两阶段上线:
- 第一阶段,先切换一级缓存的分片逻辑;
- 等一小段时间,再切换二级缓存的分片逻辑。
这样一级缓存瞬间失效掉 50% 的时候,过期时间更长、还没被切换的二级缓存能临时顶住,而穿透过去的请求会走进缓存加载逻辑,顺手把一级缓存重新填满。
等二级缓存再切换,系统已经在新的分片结构上跑稳了。
「所以那个二级缓存,不光是防击穿的,还是扩容的缓冲垫。」阿杰说。
「同一个设计,同时解决两个问题。」老陈把咖啡喝完,「这才是好的架构设计——不是堆组件,是让一个机制承担多个职责。」
写在最后
Redis 是一个简单好用的缓存组件。
在实战中,不要被它花里胡哨的字段类型和高可用解决方案所诱惑。
任何一个工具,都想把自己做成万能。但"万能"也就意味着,任何一个工具身上,既有精华,也有糟粕。
做为架构师,一定要能理性分辨,并且用精华、去糟粕。
Redis 的精华是什么?是高吞吐的内存读写、简单直接的 key-value 语义、以及极低的使用心智负担。
把这三样用好,你的架构就赢了。剩下的那些,留给真正需要它们的地方。